Article Per Year (5 Year)
p-Index From 2021 - 2026
5.778
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Journal of Information Systems Engineering and Business Intelligence Jurnal Nasional Komputasi dan Teknologi Informasi TELEKONTRAN: Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan Technologia: Jurnal Ilmiah Informatika Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Atma Inovasia JOINTECOMS (Journal of Information Technology and Computer Science) Diteksi : Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi Indonesia Ignite: Journal Islamic Global Network for Information Technology and Entrepreneurship
Efrans Christian
Universitas Palangka Raya
Aerospace Engineering Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Neuroscience Social Sciences Transportation Other

Published : 48 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 48 Documents
Search

 1   2   3   4   5 
Rancang Bangun Sistem Informasi Pendataan Jemaat Gereja Betesda di Kota Palangka Raya Adflin, Jacob; Adidyana Anugrah Putra, Putu Bagus; Sylviana, Felicia; Christian, Efrans; Karolita, Devi
Journal of Information Technology and Computer Science Vol. 5 No. 2 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i2.22447

Abstract

Perkembangan era digital semakin lama semakin berjalan begitu cepat. Dengan berkembangnya teknologi dan informasi yang sekarang ini terjadi, menjadikan informasi salah satunya meningkatkan mutu dalam pelayanan yang interaktif, Pengembangan sistem berbasis teknologi web merupakan salah satu bidang teknologi informasi yang perkembangannya begitu pesat, perkembangan digital inilah yang dapat diterapkan salah satunya Pada pelayanan rumah ibadah Gereja.Pada Gereja Betesda di Kota Palangka Raya dalam beberapa pengolahan dataseperti data jemaat, data ibadah, data jemaat baptis (tanggal pelaksana), Sidi (tanggal pelaksana), data jemaat menikah, data jemaat meninggal, dan data pemasukkan/pengeluaran keuangan gereja yang masih menggunakan aplikasi microsoft office word dan microsoft excel,penyebaran informasi seperti jadwal ibadah, kegiatan gereja dan rutinitas ibadah-ibadah lainnya melalui warta gereja kertas dan madding, Untuk mencetak warta ibadah dan laporan tentunya membutuhkan dana operasional beberapa mengalami kesulitan untuk mengolah data dalam jumlah besar, dalam hal mengakses data-data tersebut sangat lambat dan tersimpan hanya pada satu tempat khusus yang sifatnya pasif.Metode penelitian yang digunakan pada pembuatan “Rancang Bangun SistemInformasi Pendataan Jemaat Di Gereja Betesda Di Kota Palangka Raya” adalah metode penelitian waterfall, dimana langkah-langkah dalam melakukan pengembangan diuraikan Analisis Kebutuhan, Perancangan, Implementasi, Pengujian.Dan beberapa komponen yang dikembangkan dalam pembuatan websiteGereja Betesda palangka raya yaitu Untuk Jemaat website ini membantu mereka mengakses informasi secara realtime kapan tentang jadwal kegiatan ibadah serta informasi tentang gereja Betesda Kota Palangkaraya, Kemudian data Jemaat pada website ini dapat tersimpan dan diarsipkan dengan baik kapan bila diperlukan dapat diakses untuk keperluan tersebut Sehingga manajemen data dapat tersimpan dan tertata dengan baik website membantu panitia untuk dapat mengemat biaya maupun waktu dalam menjalankan tugasnya, dalam urusan administrasi.
Optimized ensemble framework for predicting hydroponic stock and sales using machine learning Pranatawijaya, Viktor Handrianus; Priskila, Ressa; Putra, Putu Bagus Adidyana Anugrah; Sari, Nova Noor Kamala; Christian, Efrans; Geges, Septian; Kristianti, Novera
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 5: October 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i5.pp3879-3886

Abstract

The increasing global demand for food necessitates the adoption of sustainable agricultural practices. Hydroponic farming, while efficient in resource utilization, faces challenges in accurately predicting stock levels and sales due to dynamic, ever-changing factors. This research presents an optimized ensemble framework for forecasting hydroponic stock levels and sales by integrating linear regression (LR), random forest (RF), and XGBoost, further enhanced through an evolutionary algorithm (EA). The proposed framework is evaluated using root mean square error (RMSE) and mean absolute error (MAE), demonstrating significant accuracy improvements over individual models. The ensemble model achieves an RMSE reduction of 43.82% for stock prediction and 55.3% for sales forecasting compared to the best-performing individual model. Additionally, local interpretable model-agnostic explanations (LIME) are employed to offer stakeholders clear insights into decision-making processes, such as identifying "number of harvested crops" and "sales data" as key drivers of prediction outcomes. This framework supports sustainable development goals (SDGs) 9.3, 12.3, and 12.C by promoting resource efficiency, reducing food waste, and improving small-scale farmer market access. Future research will explore real-time data integration for dynamic adaptation and further model enhancements.
Rancang Bangun Website Pendaftaran dan Seleksi Penerimaan Beasiswa Bank Indonesia menggunakan Metode Simple Additive Weighting (SAW) Oktha Pikami, Billy; Christian, Efrans; Handrianus Pranatawijaya, Viktor; Karolita, Devi; Leonardo, Tomas
Journal of Information Technology and Computer Science Vol. 5 No. 3 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i3.23147

Abstract

Beasiswa Bank Indonesia merupakan program bantuan dana pendidikan yang ditujukan bagi mahasiswa berprestasi, namun dalam proses pendaftaran dan seleksi masih dilakukan secara manual dan kurang efisien. Penelitian ini bertujuan untuk merancang dan membangun sistem berbasis web yang dapat memfasilitasi proses pendaftaran dan seleksi penerima beasiswa secara digital. Sistem ini dirancang menggunakan metode Simple Additive Weighting (SAW) dan Weighted Product Method (WPM) untuk membantu proses pengambilan keputusan yang objektif berdasarkan kriteria yang telah ditentukan, seperti IPK, penghasilan orang tua, dan berkas lainnya. Sistem dikembangkan dengan menggunakan bahasa pemrograman PHP dan basis data MySQL serta mengakomodasi tiga jenis pengguna, yaitu pendaftar, pihak kampus, dan admin. Fitur utama dalam sistem meliputi pendaftaran online, pemberian rekomendasi oleh kampus, pengelolaan kriteria dan nilai, serta perhitungan hasil seleksi berdasarkan metode Simple Additive Weighting (SAW) dan Weighted Product Method (WPM). Hasil dari penelitian ini menunjukkan bahwa sistem yang dibangun dapat mempermudah proses seleksi beasiswa, meningkatkan transparansi, serta mengurangi kesalahan manusia dalam pengolahan data dan perhitungan seleksi.
PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK ANALISIS SENTIMEN PADA ULASAN HOTEL Pranatawijaya, Viktor Handrianus; Efrans Christian
Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Vol. 18 No. 1 (2024): Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Inform
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jti.v18i1.12581

Abstract

The paper extensively explores machine learning algorithms for evaluating sentiments in hotel reviews, particularly within the tourism and hospitality industry. It underscores the importance of precise reviews in utilizing artificial intelligence for improved operational efficiency, revenue optimization, and heightened customer satisfaction. Notably, supervised machine learning algorithms like Gradient Boosting, Support Vector Machine, and K-Nearest Neighbor are highlighted for offering recommendations based on reviews to predict user preferences. The research methodology involves data scraping, cleaning, preprocessing, and labeling, followed by training and testing the chosen machine learning algorithms. Results indicate that the Support Vector Machine algorithm demonstrated superior performance with accuracy 0.8553, precision 0.8433, recall 0.8553, dan F1-score 0.8424, suggesting its appropriateness for sentiment analysis in hotel reviews. The paper concludes by recommending the implementation of the Support Vector Machine model for sentiment analysis in hotel reviews in Palangka Raya, Indonesia, and proposes avenues for further industry development and enhancement.
Pelatihan Aplikasi Augmented Reality Pengenalan Buah-Buahan bagi Guru Pendidikan Anak Usia Dini (PAUD) Pandehen Kristianti, Novera; Ressa Priskila; Widiatry; Viktor Handrianus Pranatawijaya; Putu Bagus Adidyana Anugrah Putra; Nova Noor Kamala Sari; Efrans Christian; Septian Geges
Jurnal Atma Inovasia Vol. 4 No. 4 (2024)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jai.v4i4.9437

Abstract

Pelatihan aplikasi Augmented Reality (AR) pengenalan buah-buahan ini diselenggarakan untuk guru Pendidikan Anak Usia Dini (PAUD) di Pandehen dengan tujuan meningkatkan kualitas pembelajaran dan keterampilan guru dalam memanfaatkan teknologi modern. Dalam pelatihan ini, guru-guru PAUD diperkenalkan dengan aplikasi AR yang dirancang khusus untuk membantu anak-anak mengenal berbagai jenis buah-buahan secara interaktif dan menyenangkan. Metode pelatihan meliputi sesi teori dan praktik, di mana para peserta diajarkan cara mengoperasikan aplikasi AR, memahami fitur-fiturnya, serta bagaimana mengintegrasikannya ke dalam kegiatan belajar mengajar di kelas. Hasil dari pelatihan ini diharapkan dapat meningkatkan kemampuan guru dalam menggunakan teknologi sebagai alat bantu edukatif, memperkaya pengalaman belajar anak-anak, serta menciptakan lingkungan pembelajaran yang lebih dinamis dan interaktif. Evaluasi terhadap efektivitas pelatihan dilakukan melalui observasi langsung, kuesioner, dan wawancara dengan para peserta. Ditemukan bahwa pelatihan ini secara signifikan meningkatkan pengetahuan dan keterampilan guru dalam menggunakan aplikasi AR, serta memberikan dampak positif terhadap minat dan partisipasi anak-anak dalam kegiatan belajar. Kesimpulannya, pelatihan ini berhasil mencapai tujuan yang diharapkan dan direkomendasikan untuk diterapkan secara lebih luas di berbagai lembaga pendidikan PAUD.
Analisis Sentimen Pengguna Media Sosial X terhadap Perubahan Harga Bitcoin: Pendekatan Machine Learning Savero, Joshua Evan; Pranatawijaya, Viktor Handrianus; Christian, Efrans
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 4 No. 1 (2024): Juni 2024
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v4i1.9043

Abstract

Media sosial X menjadi gudang data yang dapat dimanfaatkan untuk memperoleh wawasan mengenai sentimen publik dan potensi yang berdampak pada harga cryptocurrency. Dalam beberapa tahun terakhir, bitcoin menjadi pusat perhatian sebagai bentuk investasi yang menarik bagi para pelaku pasar.  Bitcoin (BTC) sering kali ditandai dengan tingkat volatilitas yang tinggi dan harganya menunjukkan kenaikan dan penurunan yang ekstrem dalam jangka waktu yang singkat. Dengan menganalisis tweet pengguna media sosial X, penelitian ini bertujuan untuk meneliti hubungan antara sentimen yang diungkapkan oleh pengguna media sosial X dan perubahan harga bitcoin. Data set yang digunakan dalam penelitian ini yaitu dataset pelatihan model yang terdapat di laman Kaggle dan dataset pengujian yang dikumpulkan dari tweet media sosial X berdasarkan tanggal terjadinya golden cross dan death cross. Data set akan melalui teknik preprocessing data, klasifikasi sentimen positif, negatif, dan netral menggunakan VADER. Pembangunan model menggunakan algoritma naïve bayes dan support vector machine. Hasil penelitian ini memperoleh model support vector machine memiliki kinerja terbaik terhadap keakuratan model dalam klasifikasi sentimen dengan accuracy sebesar 95.92%, ketepatan model dalam memprediksi nilai positif dengan tingkat precision sebesar 95.89%, tingkat usaha dalam menemukan informasi kembali dengan tingkat recall sebesar 95.92%, dan presentasi nilai bobot dari nilai precision dengan nilai recall pada f1-score sebesar 95.89%. Akan tetapi, dalam memprediksi sentimen lima dataset pengujian yang diberikan menggunakan model yang telah dilatih ditemukan algoritma naïve bayes memiliki persentase lebih tinggi yaitu 80% dalam memperoleh hasil yang sesuai antara sentimen positif untuk kondisi golden cross dan sentimen negatif untuk kondisi death cross. Social media X is a data warehouse that can be utilized to gain insight into public sentiment and its potential impact on cryptocurrency prices. In recent years, Bitcoin has become the center of attention as an attractive form of investment for market players. Bitcoin (BTC) is often characterized by high levels of volatility and its price exhibits extreme rises and falls over short periods of time. By analyzing the tweets of social media user X, this study aims to examine the relationship between the sentiment expressed by social media user X and changes in Bitcoin prices. The dataset used in this research is the model training dataset found on the Kaggle page and the testing dataset collected from X's social media tweets based on the dates of the golden cross and death cross. The dataset will go through data preprocessing techniques, classifying positive, negative and neutral sentiment using VADER. Model construction uses the Naïve Bayes algorithm and Support Vector Machine. The results of this research show that the Support Vector Machine model has the best performance regarding model accuracy in sentiment classification with an accuracy of 95.92%, model accuracy in predicting positive values ​​with a precision level of 95.89%, level of effort in finding information again with a recall rate of 95.92%, and presentation of the weighted value of the precision value with the recall value on the f1-score of 95.89%. However, in predicting the sentiment of the five test datasets provided using the trained model, it was found that the Naïve Bayes algorithm had a higher percentage, namely 80%, in obtaining results that matched positive sentiment for the golden cross condition and negative sentiment for the death cross condition.
Memaksimalkan Pemanfaatan Ruang Kontainer dengan Pemrograman Dinamis: Pendekatan Berbasis Knapsack Muhammad Arifin Ilham; Tety Citra Natha; Nur Haniatin Jannah; Efrans Christian
Journal Islamic Global Network for Information Technology and Entrepreneurship Vol. 2 No. 3 (2024): July : Journal Islamic Global Network for Information Technology and Entreprene
Publisher : STIKes Ibnu Sina Ajibarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59841/ignite.v2i3.1547

Abstract

This study examines the use of dynamic programming in the context of container filling optimization, known as the knapsack problem. This problem requires selecting a number of goods with a certain volume and value to be loaded into a container with a certain capacity. We develop a knapsack-based algorithm using dynamic programming techniques to maximize container space utilization. By considering the volume and value of goods, our algorithm is able to achieve optimal results. Through a case study involving 25 items with predetermined volumes and values, we demonstrate the effectiveness of our algorithm in improving container space utilization. Our experimental results show significant improvements in container space utilization compared to naive filling methods. This research shows that the knapsack approach with dynamic programming can be an effective solution to the container filling problem in the context of logistics and optimization.
Penerapan Algoritma Prim dalam Menentukan Rute Prioritas Pengiriman Paket Express Arya Bima Mohammad Heriansyah; Rinaldi Rizwar; Muhamad Rafliansyah; Efrans Christian; Viktor Handrianus Pranatawijaya
Journal Islamic Global Network for Information Technology and Entrepreneurship Vol. 2 No. 3 (2024): July : Journal Islamic Global Network for Information Technology and Entreprene
Publisher : STIKes Ibnu Sina Ajibarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59841/ignite.v2i3.1550

Abstract

This research analyzes the use of the Prim Algorithm in determining priority routes for package delivery by express service couriers. Through case studies, this research evaluates the efficiency of package delivery by considering delivery priority and the distance the courier will travel. The research results show that the Prim Algorithm is effective in minimizing delivery loads by connecting priority delivery points with minimal travel distance. This research method uses the Prim Algorithm to create a delivery route graph that connects all priority delivery points with a minimum travel distance, with data including the location of the delivery point, priority and distance between locations. The results show that the Prim Algorithm is effective in minimizing delivery load by generating optimal routes, allowing couriers to prioritize package delivery efficiently. This proves the important role of the Prim Algorithm in package delivery strategies for express service couriers.
Co-Authors Ade Chandra Saputra Adflin, Jacob Agus Sehatman Saragih Alyura, Ripaldo Andini, Wafik Anugrah Putra, Putu Bagus Adidyana Anugrahnu, Dian Putra Aprilian, Rivan Aprillinsa, Camila Aprimikardo, Aprimikardo Ardeanto, Robert Ariesta Lestari Arya Bima Mohammad Heriansyah Augustin, Darryl Sandi Christian Rufus, Edward Cristivioni Criye Fatriani, Jane Dwiyankie, Ravema Nanda Ehuwinae, Okta Felicia Sylviana Ferdinan, Bryan Desmonda Fitriah, Andi Nurul Geradi Muke, Rio Gilbran, Pedroni Hadi, Muhammad Ilmiannor Handrianus Pranatawijaya, Viktor Hidayat, Febrian Nur Jadiaman Parhusip, Jadiaman Joshua Evan Savero Julian, Ary Sigit Karolita, Devi Kristianti, Novera Leonardo, Tomas Lowryanty, Ni Putu Maulana, Ferdy Afriza Mavanudin, Zhykwa Ceryl Monalisa, Agatha Muhamad Rafliansyah Muhammad Arifin Ilham Muhammad fauzan Nahumi Nugrahaningsih Naufal Fakhri Nova Noor Kamala Sari Nugraha Hasibuan, Dicky Nur Haniatin Jannah Oktha Pikami, Billy Pentanugraha, Elsan Priskila, Ressa Priyani, Natasya Putra, Putu Bagus A.A. Putra, Putu Bagus Adidyana Anugrah Rahman, Resha Ananda Ramadhani, Aditya Ananda Rendy Saputra Ressa Priskila Revelin Putri, Nadya Rinaldi Rizwar Rizkyaka Riyadi, Raydamar Sahay, Abertun Sagit Saputra, Muhammad Dwi Savero, Joshua Evan Septian Geges Siregar, Rayanti Veronica Sriyanto, Naufal Ihsan Tanciang, Tanciang Tarigan, Yedija Tety Citra Natha Viktor Handrianus Pranatawijaya Viktor Handrianus Pranatawijaya Widiatry Widiatry, Widiatry Zahra, Fatiya Ummu Hanifah Zailami, Firdaus